Un nouveau modèle d'IA révolutionne la prédiction des lésions de pression, sauvant des vies et réduisant les coûts

L'ère de l'intelligence artificielle a ouvert la voie à des innovations et des inventions de toutes sortes, touchant de nombreux domaines. Le secteur de la santé, par exemple, a connu un essor considérable grâce à la technologie. Partout dans le monde, les systèmes de santé ont largement tiré parti de la technologie pour sauver des vies et réduire significativement les coûts liés au diagnostic et au traitement des patients.

Les escarres, par exemple, sont une source constante de douleur et de coûts pour les patients aux États-Unis. Cette affection, également connue sous le nom de lésions de pression, se contracte principalement à l'hôpital et, selon l'Agence américaine pour la recherche et la qualité des soins de santé (AHRQ), elle est devenue la deuxième cause la plus fréquente de poursuites pour faute médicale aux États-Unis. Les coûts engendrés par la prise en charge des besoins aigus des patients souffrant d'escarres dépassent les 26 milliards de dollars, un montant astronomique.

Un modèle avancé d'évaluation des risques dévoilé

Les poursuites judiciaires, conjuguées aux coûts qu'elles engendrent, ont incité des chercheurs de l'steemJohns Hopkins et du Centre médical universitaire de Cleveland à collaborer et à développer des techniques d'apprentissage automatique pour élaborer de nouveaux modèles de prédiction des escarres. Ce nouveau modèle d'évaluation des risques s'est distingué par sa précision, avec un taux de prédiction d'au moins 74 %, soit une amélioration de 20 % par rapport aux méthodes existantes. L'échelle de Braden, utilisée depuis les années 1980, est réputée pour être chronophage et éprouvante pour le personnel infirmier au chevet des patients.

Le nouveau modèle, appelé analyse prédictive, offre une opportunité précieuse d'alléger la charge de travail des infirmières et autres professionnels de santé en automatisant des activités telles que l'évaluation des risques. Ce modèle permet également de réduire les coûts, principalement parce que l'évaluation des risques peut prendre entre 5 et 15 minutes par patient, ce qui peut facilement représenter jusqu'à 250 heures de travail par jour dans un établissement de 500 lits. Cela pourrait se traduire par une économie d'au moins 30 000 à 90 000 heures de travail par an.

Promouvoir l'équité en santé et l'amélioration des résultats

En analysant les données d'au moins 35 000 patients hospitalisés pendant cinq ans dans deux hôpitaux, les chercheurs ont pu étudier en détail l'évolution des risques. Ils ont ensuite utilisé des techniques d'apprentissage automatique, comme les forêts aléatoires et les réseaux de neurones, pour identifier les changements et les risques liés aux escarres et élaborer un modèle final. Cette initiative représente une avancée majeure dans le domaine des technologies médicales, alors que chercheurs et hôpitaux s'efforcent d'optimiser l'utilisation de l'intelligence artificielle. L'intelligence artificielle ouvre de nouvelles perspectives en médecine, permettant aux hôpitaux et aux patients d'améliorer le diagnostic et le traitement d'affections graves telles que les escarres. 

Source originale : Revue médicale britannique